提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

美国2023年1月新增就业51.7万人 失业率3.4%******

　　中新社华盛顿2月3日电 美国劳工部3日发布数据称，美国2023年1月非农业部门新增就业51.7万人，失业率为3.4%。这创造了美国自1969年以来的失业率最低值。

　　美国2023年第一个月的就业市场图景超出了普遍预期。当月的新增就业人数不仅高出2022年40.1万人的月均新增值(修正后)，也远高于市场预估的18.7万人就业增长。

　　美联社指出，1月的就业数据进一步显示了美国劳动力市场的韧性，同时也折射出美国经济喜忧参半的现状。一方面在美联储紧缩货币政策的作用下，美国通胀正在放缓，作为经济增长主要推动力的消费者支出开始下滑；但另一方面，稳定的劳动力市场需求仍在加速工资增长，并进一步固化物价上涨的趋势。

　　数据显示，美国今年1月的就业增长主要来自休闲和酒店业(12.8万人)、专业和商业服务(8.2万人)以及医疗保健业(5.8万人)。此外，得益于加州州立大学系统员工结束罢工，美国当月的政府雇佣新增7.4万人。

　　对于这份“异常强劲的就业报告”，彭博新闻社分析认为，这将让人们对两类观点产生怀疑，一是美国经济将迅速陷入衰退，二是美联储将在今年春季结束紧缩周期。

　　在员工平均时薪方面，美国今年1月的数据为33.03美元，环比上升10美分，同比增幅达4.4%。

　　为实现遏制通胀的目标，美联储曾表示，减缓工资上涨是关键。《华尔街日报》评论指出，美联储目前面临的挑战将是如何找到一个平衡点，既能继续减缓通胀压力，又不会对美国整体经济造成太大损害。(完)